第三章 概率分布及抽样分布.pptVIP

* 自由度：变量的自由程度。对于样本方差S2，则： 比如，有些产品出厂时不仅需要标注其性能参数均值，而且要标明均值的方差（标准差）。为了估计某产品能耗的方差，我们随机抽取了10件，测得其能耗为（千瓦时/小时）：12.5，12.12，12.01，12.28，12.09，12.03，12.01，12.11，12.06，12.14。 那么，当其能耗x服从正态分布时： 思考： 在上一张片子中，下面的统计量是严格服从卡方分布还是近似服从卡方分布？为什么？ 再比如，为研究家庭食品支出与收入的关系，随机抽取了10户家庭作为样本，得到如下数据： 那么，当食品支出y服从正态分布时： 下表是工商07级1班、2班某门课的考试成绩。思考： 服从卡方分布吗？如果服从，其自由度是多少？如果不服从，那在什么情况或什么条件下服从？ 四、t分布 若随机变量X～Z（0，1），Y～ （n），且X、Y相互独立，则随机变量Z= 服从自由度为n的t分布，简记为Z～t（n）。 t分布概率密度曲线图如下： 特点：1、t分布为对称分布；2、n充分大时，t分布近似Z（0，1）。 考察统计量 其中，分子 ，分母中 。因此，T～t（n-1）。 五、F分布 若随机变量X～ （n1），Y～ （n2），且X、Y相互独立，则随机变量Z= 服从自由度为（n1，n2）的F分布，简记为Z～F（n1，n2）。F分布的概率密度曲线如下： 比如，下表是工商07级1班、2班某门课的考试成绩。假设两个班的学生成绩相互独立且都服从正态分布，那么，要分析两个班学习成绩的分化程度，我们可以考察下面的统计量： 比如，下表是工商07级1班、2班某门课的考试成绩。假设两个班的学生成绩相互独立且都服从正态分布，那么，要分析两个班学习成绩的分化程度，我们可以考察下面的统计量： 六、随机变量X与Y相互独立的充要条件： 1、离散变量： P（X=xi，Y=yi）= P（X=xi）·P（Y=yi） （边缘概率分布之积等于联合概率分布） 2、连续变量： f（x，y）=fX（x）·fY（y） （边缘概率密度之积等于联合概率密度） R软件中的统计计算： 常用分布： norm：正态；t：t分布；f：F分布；chisq：卡方分布；unif：均匀分布；binom：二项分布。 每种分布有四个函数： d―density（密度函数）；p―probability(概率分布函数)；q―quantile(分位数函数)；r―random(随机数函数)。 如，对于正态分布来说：dnorm、pnorm、qnorm、rnorm。 pnorm(0,0,1); rnorm(100,0,1); qnorm(0.975,0,1) #画正态分布概率密度曲线（N（0，1)，N（0，22)，N（0，32）） x=seq(-6,6,length=2000) plot(x,dnorm(x,0,1),type=l,lwd=3,xaxs=i,yaxs=i,font=3,ylab=Density of Normal, main=正态分布概率密度曲线(ｕ=0),col=red, pch=4) points(x,dnorm(x,0,2),type=l,lwd=3,col=red) #增加N（0，22)概率密度曲线 points(x,dnorm(x,0,3),type=l,lwd=3,col=red) #增加N（0，32)概率密度曲线 #以下两句主要是把-1左边的区域加上竖线 x1=seq(-6,-1,length=30) points(x1,dnorm(x1,0,1),type=h,lwd=2,col=dark green) #把-1左边区域加上竖线 text(-1,0.01,labels=if X～z(0,1)，p(X=-1.0)=?,adj=c(0,0),font=30,col=red)#在x=-1、y=0.01处加注“X～z(0,1)，p(X=-1.0)=?”（adj表示指定点右侧而非居中） text(locator(1),σ=1,adj=0);text(locator(1),σ=2,adj=0);text(locator(1),σ=3,adj=0) #通过鼠标直接点击给图形加上文字 * * * * * * * * * * * * * * * * * 　　 一、概率与概率分布 （一）概率 通俗地说，概率就是机率。在相同条件下进行n次随机试验，事件A出现m次，则比值m/n称为事件A发